ee.Clusterer.train
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह फ़ंक्शन, सुविधाओं के कलेक्शन पर क्लस्टरर को ट्रेन करता है. इसके लिए, हर सुविधा की तय की गई संख्या वाली प्रॉपर्टी को ट्रेनिंग डेटा के तौर पर इस्तेमाल करता है. सुविधाओं की ज्यामिति को अनदेखा किया जाता है.
| इस्तेमाल | रिटर्न |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | क्लस्टरर |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
यह: clusterer | क्लस्टरर | इनपुट क्लस्टरर. |
features | FeatureCollection | वह कलेक्शन जिस पर ट्रेनिंग देनी है. |
inputProperties | सूची, डिफ़ॉल्ट: null | प्रॉपर्टी के नामों की वह सूची जिसे ट्रेनिंग डेटा के तौर पर शामिल करना है. हर सुविधा में ये सभी प्रॉपर्टी होनी चाहिए. साथ ही, इनकी वैल्यू संख्या में होनी चाहिए. अगर इनपुट कलेक्शन में 'band_order' प्रॉपर्टी (Image.sample से जनरेट की गई) शामिल है, तो इस तर्क का इस्तेमाल करना ज़रूरी नहीं है. |
subsampling | फ़्लोट, डिफ़ॉल्ट: 1 | सबसैंपलिंग फ़ैक्टर, जो (0, 1] के बीच का होता है. यह ज़रूरी नहीं है. |
subsamplingSeed | पूर्णांक, डिफ़ॉल्ट: 0 | सबसैंपलिंग के लिए इस्तेमाल किया जाने वाला रैंडमाइज़ेशन सीड. |
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\u003cp\u003eTrains a clusterer using numeric properties of features, ignoring geometry.\u003c/p\u003e\n"],["\u003cp\u003eRequires a feature collection and optionally specifies input properties for training.\u003c/p\u003e\n"],["\u003cp\u003eAllows for subsampling of the training data using a factor and seed.\u003c/p\u003e\n"],["\u003cp\u003eReturns the trained Clusterer object for further use.\u003c/p\u003e\n"]]],["The `Clusterer.train` method trains a Clusterer using a FeatureCollection. It takes a collection of features and uses their numeric properties as training data, ignoring feature geometry. Users specify `inputProperties` (a list of numeric property names) to be used for training. Subsampling can be employed by setting the `subsampling` (factor between 0 and 1) and optionally, the `subsamplingSeed` to control randomness. The method returns the trained `Clusterer` object.\n"],null,["# ee.Clusterer.train\n\nTrains the Clusterer on a collection of features using the specified numeric properties of each feature as training data. The geometry of the features is ignored.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|------------------------------------------------------------------------------------------|-----------|\n| Clusterer.train`(features, `*inputProperties* `, `*subsampling* `, `*subsamplingSeed*`)` | Clusterer |\n\n| Argument | Type | Details |\n|-------------------|---------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| this: `clusterer` | Clusterer | An input Clusterer. |\n| `features` | FeatureCollection | The collection to train on. |\n| `inputProperties` | List, default: null | The list of property names to include as training data. Each feature must have all these properties, and their values must be numeric. This argument is optional if the input collection contains a 'band_order' property (as produced by Image.sample). |\n| `subsampling` | Float, default: 1 | An optional subsampling factor, within (0, 1\\]. |\n| `subsamplingSeed` | Integer, default: 0 | A randomization seed to use for subsampling. |"]]
